#y=Nilaitotal kandungan gula

#x=bobot jeruk
y=c(0.011,0.23,0.45,0.75,0.21,0.32)
y
x=c(0.013,0.12,0.47,0.05,0.25,0.57)
x
n=6
a=sum(y^2)
a
b=sum(x^2)
b
xrat=sum(x)/n
yrat=sum(y)/n
xrat
yrat
rduga=sum(x)/sum(y)
nilaibobot=170
c=sum(y*x)
nilaikgula=(sum(y)/sum(x))*nilaibobot
nilaikgula
ragamdugaan=(nilaibobot^2)*((1/n*(xrat^2))*(a-(rduga*c)+(rduga^2)*b)/(n-1))
ragamdugaan
Ragamdugaan=sqrt(ragamdugaan)
Ragamdugaan
#Batas pendugaan nilai total
#setelah dicari dalam nilai T,maka didapatkan dalam nilai
nilaiT=2.571
Bg=nilaiT*Ragamdugaan
Bg
#Dengan pernyataan(1-alpha)maka diperoleh
byt.bg=1-0.05
#selang kepercayaan kandungan nilai gula
o=nilaikgula-Bg sampai nilaikgula=Bg
o

Output :
y
[1] 0.011 0.230 0.450 0.750 0.210 0.320
x
[1] 0.013 0.120 0.470 0.050 0.250 0.570
a
[1] 0.964521
b
[1] 0.625369
xrat
[1] 0.2455
yrat
[1] 0.3285
Rduga
[1] 0.7473364
C
[1] 0.511643
nilaikgula
[1] 227.4745
ragamdugaan
 [1] 54.079
Ragamdugaan
[1] 7.353842
Bg
[1] 18.90673
#selang kepercayaan kandungan nilai gula
Bb
[1] 208.5678
Ba
[1] 246.3813

Interpretasi :

Pada program diatas akan dihitung nilai dugaan berat kandungan gula dalam buah jeruk.
Terdapat 6 sampel yang digunakan. Pertama dibuat vektor nilai kandungan gula dan bobot jeruk
dengan masing-masing variabel y dan x. Kemudian masing-masing variabel dihitung nilai kuadrat,
rataan, dan ragamanya. Nilai bobot kandungan gula didefinisikan sebesar 170. Lalu dihitung nilai
penduga rataan dan ragamnya menggunakan rumus manual. Perhitungan menggunakan tabel t
dengan alpha sebesar 0,05. Nilai thit=2,571. Lalu dihitung batas dugaan galat dan selang
kepercayaannya.
Berdasarkan output , diperoleh hasil sebagai berikut:

a. Nilai penduga rataan dan ragam kandungan gula berturut-turut sebesar 227.4745 dan
7.353842
b. Selang kepercayaan penduga rataan berada pada interval 208.5678 sampai 246.3813.
Artinya nilai kandungan gula pada jeruk tidak melebihi selang kepercayaan atau masih
berada pada intervalnya dimana nilainya sebesar 227.4745.
program 2:
#pembuatan fungsi sampel acak sistematik
systematik.sample=function(n,N){
k=floor(N/n)
ss=sample(k,1)
s=seq(length=n,from=ss,by=k)
return(s)
}
#penarikan sampel acak secara sistematik
systematik.sample(10,100)

Output:
systematik.sample(10,100)
[1] 5 15 25 35 45 55 65 75 85 95
Interpretasi :
Pada program diatas akan dilakukan penarikan sampel sistematik menggunakan fungsi.
Dalam sampel sistematik, anggota populasi diletakkan dalam satu baris. Kemudian 1 dari setiap
k anggota dipilih. Titik awal dipilih secara acak dari k elemen pertama dan kemudian elemen-
elemen diambil sampelnya pada lokasi yang sama di setiap segmen berikutnya dengan ukuran k.
Nilai k ditentukan dengan perintah k=floor(N/n). Kemudian dijalankan perintah
s=seq(length=n,from=ss,by=k). Artinya sampel akan disusun secara berurutan mulai dari baris 1
sebanyak n sampel dan tingkatan sebesar k. Terakhir dijalankan perintah
systematik.sample(10,100). Artinya akan diambil sampel sebanyak 10 dari 100 populasi.
Berdasarkan output, urutan sampel yang diambil berturut-turut adalah objek ke 5 15 25 35
45 55 65 75 85 95. Dimana tingkatan antara tiap objek sebesar k=10.

Program3:
#pembuatan data simulasi
id=c(1:1000)
x=abs(rnorm(1:1000))
dat=data.frame(id,x)
#penarikan sampel data secara sistematik
ss.rows=systematik.sample(100,1000)
ss.rows
ss=dat[ss.rows,]
ss
#pembentukan model survey
fpc.srs=rep(1000,100)
library (survey)
des.srs=svydesign(id=~1,strata=NULL,data=ss,fpc.srs)
#menduga total
svytotal(~x,design=des.srs)
confint(svytotal(~x,design=des.srs))
#menduga rata-rata
svymean(~x,design=des.srs)
confint(svymean(~x,design=des.srs))

Output :
ss.rows
[1] 8 18 28 38 48 58 68 78 88 98 108 118 128 138 148 158 168 178
188 198 208 218 228 238
[25] 248 258 268 278 288 298 308 318 328 338 348 358 368 378 388 398 408 418
428 438 448 458 468 478
[49] 488 498 508 518 528 538 548 558 568 578 588 598 608 618 628 638 648 658
668 678 688 698 708 718
[73] 728 738 748 758 768 778 788 798 808 818 828 838 848 858 868 878 888 898
908 918 928 938 948 958
[97] 968 978 988 998
ss
id x
8 8 0.364136752
18 18 1.139606710
28 28 0.658562816
38 38 0.399702287
48 48 0.368710375
58 58 0.789848300
68 68 0.814092989
78 78 0.391335031
88 88 0.455786282
98 98 0.358063982
108 108 0.118805012
118 118 0.434576049
128 128 1.731082751
138 138 1.154330065
148 148 1.641278587
158 158 0.414349428
168 168 2.121554529
178 178 0.741880459
188 188 0.610983761
198 198 0.070145478
208 208 1.312454193
218 218 0.844927531
228 228 0.134210901
238 238 0.003145366
248 248 0.526780370
258 258 1.575020432
268 268 0.194224201
278 278 1.093471127
288 288 0.159537648
298 298 1.068013966
308 308 1.635453387
318 318 0.664321528
328 328 0.145299187
338 338 1.044322612
348 348 0.972490968
358 358 0.646616001
368 368 1.580373702
378 378 1.989430532
388 388 1.395720204
398 398 0.075636943
408 408 0.293920463
418 418 0.515652389
428 428 0.382904484
438 438 1.336065707
448 448 0.977936817
458 458 0.544612534
468 468 0.320548940
478 478 0.170684813
488 488 0.029801391
498 498 0.060383163
508 508 1.509680578
518 518 1.443865267
528 528 0.538938555
538 538 1.272053213
548 548 0.289930175
558 558 1.136162814
568 568 1.419440156
578 578 0.204212302
588 588 0.493067233
598 598 0.775627109
608 608 1.281826862
618 618 1.075214817
628 628 1.096642683
638 638 0.056172284
648 648 0.559540436
658 658 0.365371740
668 668 0.287553509
678 678 0.348123473
688 688 0.078690013
698 698 0.497788776
708 708 0.242232092
718 718 1.995454154
728 728 0.374742786
738 738 1.102397162
748 748 1.306183698
758 758 0.094141402
768 768 1.722327187
778 778 2.041800905
788 788 0.232901374
798 798 1.145846523
808 808 0.573524823
818 818 0.324640909
828 828 0.069940226
838 838 0.830490754
848 848 0.112485937
858 858 0.073910434
868 868 0.120983624
878 878 1.117189800
888 888 0.133147920
898 898 1.191533048
908 908 0.263534121
918 918 0.365203638
928 928 1.277366987
938 938 0.098858037
948 948 0.478072068
958 958 1.713684800
968 968 1.332982670
978 978 0.453619765
988 988 2.260066684
998 998 0.771021717
svytotal(~x,design=des.srs)
total SE
x 0.075023 0.0058
> confint(svytotal(~x,design=des.srs))
2.5 % 97.5 %
x 0.06364233 0.
#menduga rata-rata
svymean(~x,design=des.srs)
mean SE
x 0.75023 0.0581
> confint(svymean(~x,design=des.srs))
2.5 % 97.5 %
-0.1582868 0.8293939
Interpretasi :
Pada program diatas akan dilakukan pendugaan rata-rata dan penduga total dari data simulasi.
Pertama dijalankan perintah ide=c(1000). Artinya dibuat vektor nilai 1000 yang disimpan dalam variabel
id. Kedua perintah x=abs=(rnorm(1000)). Artinya akan dibangkitkan data normal sebanyak 1000 data
dan disimpan dalam variabel x. Nilai yang ada ada variabel ide dan x tadi akan ditampilkan dalam data
frame yang disimpan dalam variabel data. Ketika ditampilkan maka akan hanya terlihat 500 data saja
karena R hanya mampu menampung maksimal 500 data dalam sebuah data frame. Kemudian dilakukan
pengambilan sampel sistematik dengan perintah ss.rows=systematik.sample(100,1000). Sampel yang
dipilih akan disimpan dalam variabel ss.rows dengan nilai k sebesar 10. Selanjutnya perintah
ss=dat[ss.rows,]. Artinya Sampel yang telah dipilih akan ditampilkan kembali ke dalam data frame
bersamaan dengan nilai x.
Selanjutnya menyediakan packages survey terlebih dahulu. Kemudian menjalankan perintah
des.srs=svydesign(id=~1,strata=NULL,data=ss,fpc.srs). Artinya fungsi svydesign menggabungkan
kerangka data dan semua informasi desain survei yang diperlukan untuk menganalisanya. Objek-objek
ini digunakan oleh pemodelan survei dan fungsi-fungsi ringkasan . sementara strata dibuat tidak ada dan
simpan dalam variabel des.srs. Kemudian dilakukan pendugaan rata-rata dari data x dengan perintah
svymean(~x,design=des.srs) dan selang kepercayaannya dengan perintah confint
(svymean(~x,design=des.srs)). Terakhir dilakukan pendugaan total dari data x dengan perintah
svytotal(~x,design=des.srs)dan selang kepercayaan dengan perintah confint
(svytotal(~x,design=des.srs)).
Berdasarkan output, diperoleh hasil sebagai berikut :
a. Nilai rata-rata(mean) sampel sebesar 0.75023 dan standar error(SE) sebesa r 0.0581. Sementara
selang kepercayaan rata-rata sampel berada diantara interval -0.1582868 sampai 0.8293939.
b. Nilai dugaan total rataan sampel sebesar 0.075023 dan standar error(SE) sebesar 0.0058.
Sementara selang kepercayaan dugaan total sampel berada diantara interval 0.06364233
sampai 0.

Program 4:
data_urut=read.csv("D://DataTP3.csv",header=TRUE,sep=";")
data_urut
x=abs(rnorm(100))
x
dataku=data.frame(data_urut,x)
dataku
sample.rows=systematik.sample(50,100)
sample.rows
sample=data_urut[sample.rows,]
sample
f.sam=rep(100,50)
x=abs(rnorm(50))
library (survey)
des.srs=svydesign(id=~1,strata=NULL,data=ss,fpc.srs)
#menduga total
svytotal(~x,design=des.srs)
confint(svytotal(~x,design=des.srs))
#menduga rata-rata
svymean(~x,design=des.srs)
confint(svymean(~x,design=des.srs))

Output :
x
[1] 0.152458363 0.592404990 0.439565040 1.537820549 0.988255704 0.003203995
0.280528733 0.704554058
[9] 0.964955251 0.786039972 2.197696390 2.175718500 0.908325401 0.103101033
1.402159121 1.332821227
[17] 0.973337703 0.503925451 0.249561151 1.710947571 0.063729108 1.093620195
2.406650012 0.723404045
[25] 0.596200173 1.682182575 1.274570493 0.747136834 0.427147042 1.267417889
0.260317326 1.833659175
[33] 0.378513350 0.535931622 0.292603523 1.174809558 1.741304826 0.266334900
0.810444100 0.738231189
[41] 0.152494593 0.561991745 1.696120188 0.310707423 2.194534832 1.527379709
1.125963386 0.036549155
[49] 1.757698385 0.290069528 0.279045435 2.773679440 1.225875751 0.260990260
0.059403165 0.732525816
[57] 0.035578671 0.087113939 0.052077664 1.242954523 0.683701293 0.053490381
0.417773101 0.133469111
[65] 0.686487593 0.518338732 0.398181271 0.177429226 0.194935917 0.064555745
1.264608160 0.206175717
[73] 0.017505749 2.131047341 0.269629476 0.948360997 1.009801846 0.012353112
1.044427366 0.950652514
[81] 2.526564626 0.517927373 0.891295008 0.270212459 0.685915106 0.354943754
0.451769222 0.452104438
[89] 0.625132375 0.382903752 1.742804948 1.280466978 1.489133150 0.746225711
0.042918238 0.456012983
[97] 0.451251347 0.534139716 0.886964271 0.615073107
> dataku
Desa Wanita x
1 1 80 0.152458363
2 2 76 0.592404990
3 3 54 0.439565040
4 4 86 1.537820549
5 5 54 0.988255704
6 6 38 0.003203995
7 7 96 0.280528733
8 8 57 0.704554058
9 9 45 0.964955251
10 10 67 0.786039972
11 11 85 2.197696390
12 12 64 2.175718500
13 13 53 0.908325401
14 14 47 0.103101033
15 15 84 1.402159121
16 16 59 1.332821227
17 17 85 0.973337703
18 18 63 0.503925451
19 19 47 0.249561151
20 20 65 1.710947571
21 21 87 0.063729108
22 22 86 1.093620195
23 23 54 2.406650012
24 24 37 0.723404045
25 25 38 0.596200173
26 26 58 1.682182575
27 27 76 1.274570493
28 28 58 0.747136834
29 29 74 0.427147042
30 30 67 1.267417889
31 31 57 0.260317326
32 32 87 1.833659175
33 33 67 0.378513350
34 34 76 0.535931622
35 35 57 0.292603523
36 36 67 1.174809558
37 37 59 1.741304826
38 38 78 0.266334900
39 39 76 0.810444100
40 40 50 0.738231189
41 41 84 0.152494593
42 42 56 0.561991745
43 43 71 1.696120188
44 44 28 0.310707423
45 45 67 2.194534832
46 46 65 1.527379709
47 47 54 1.125963386
48 48 54 0.036549155
49 49 78 1.757698385
50 50 45 0.290069528
51 51 36 0.279045435
52 52 45 2.773679440
53 53 45 1.225875751
54 54 39 0.260990260
55 55 75 0.059403165
56 56 63 0.732525816
57 57 45 0.035578671
58 58 64 0.087113939
59 59 52 0.052077664
60 60 31 1.242954523
61 61 27 0.683701293
62 62 67 0.053490381
63 63 54 0.417773101
64 64 50 0.133469111
65 65 50 0.686487593
66 66 51 0.518338732
67 67 53 0.398181271
68 68 46 0.177429226
69 69 54 0.194935917
70 70 76 0.064555745
71 71 56 1.264608160
72 72 45 0.206175717
73 73 37 0.017505749
74 74 53 2.131047341
75 75 64 0.269629476
76 76 65 0.948360997
77 77 56 1.009801846
78 78 54 0.012353112
79 79 53 1.044427366
80 80 65 0.950652514
81 81 65 2.526564626
82 82 45 0.517927373
83 83 34 0.891295008
84 84 76 0.270212459
85 85 87 0.685915106
86 86 87 0.354943754
87 87 86 0.451769222
88 88 85 0.452104438
89 89 83 0.625132375
90 90 61 0.382903752
91 91 87 1.742804948
92 92 80 1.280466978
93 93 53 1.489133150
94 94 76 0.746225711
95 95 87 0.042918238
96 96 65 0.456012983
97 97 71 0.451251347
98 98 65 0.534139716
99 99 66 0.886964271
100 100 34 0.615073107
sample.rows
[1] 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
51 53 55 57 59 61 63
[33] 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99
sample
Desa Wanita
1 1 80
3 3 54
5 5 54
7 7 96
9 9 45
11 11 85
13 13 53
15 15 84
17 17 85
19 19 47
21 21 87
23 23 54
25 25 38
27 27 76
29 29 74
31 31 57
33 33 67
35 35 57
37 37 59
39 39 76
41 41 84
43 43 71
45 45 67
47 47 54
49 49 78
51 51 36
53 53 45
55 55 75
57 57 45
59 59 52
61 61 27
63 63 54
65 65 50
67 67 53
69 69 54
71 71 56
73 73 37
75 75 64
77 77 56
79 79 53
81 81 65
83 83 34
85 85 87
87 87 86
89 89 83
91 91 87
93 93 53
95 95 87
97 97 71
99 99 66
svytotal(~x,design=des.srs)
total SE
x 0.083748 0.0063
confint(svytotal(~x,design=des.srs))
2.5 % 97.5 %
x 0.07141114 0.09608429
svymean(~x,design=des.srs)
mean SE
x 0.83748 0.0629
confint(svymean(~x,design=des.srs))
2.5 % 97.5 %
X 0.2582868 0.932939.

Interpretasi :

Pada program diatas akan dilakukan pendugaan rata-rata dan penduga total dari data sampel
sistematik. Pertama memanggil data yang telah dibuat dalam format csv dan disimpan dalam variabel
data. Kedua perintah x=abs=(rnorm(100)). Artinya akan dibangkitkan data normal sebanyak 100 data
dan disimpan dalam variabel x. Nilai yang ada ada variabel data dan x tadi akan ditampilkan dalam data
frame yang disimpan dalam variabel data. Kemudian dilakukan pengambilan sampel sistematik dari data
yang ada dengan perintah sample.rows=systematik.sample(50,100). Sampel yang dipilih sebanyak 50
akan disimpan dalam variabel sample.rows dengan nilai k sebesar 5. Selanjutnya perintah.
sample=data_urut[sample.rows,] Artinya sampel yang telah dipilih akan ditampilkan kembali ke dalam
data frame dengan ridak memasukkan variabel x.
kemudian menjalankan perintah x=abs(rnorm(50)). Artinya nilai data normal sebanyak 50
dimasukan kedalam sampel yang dipilih. Selanjutnya memamnggil packages survey terlebih dahulu.
Kemudian menjalankan perintah des.srs=svydesign(id=~1,strata=NULL,data=ss,fpc.srs). Artinya fungsi
svydesign menggabungkan kerangka data dan semua informasi desain survei yang diperlukan untuk
menganalisanya. Objek-objek ini digunakan oleh pemodelan survei dan fungsi-fungsi ringkasan .
sementara strata dibuat tidak ada dan simpan dalam variabel des.srs. Kemudian dilakukan pendugaan
rata-rata dari data x dengan perintah svymean(~x,design=des.srs) dan selang kepercayaannya dengan
perintah confint (svymean(~x,design=des.srs)). Terakhir dilakukan pendugaan total dari data x dengan
perintah svytotal(~x,design=des.srs)dan selang kepercayaan dengan perintah confint
(svytotal(~x,design=des.srs)).
Berdasarkan output, diperoleh hasil sebagai berikut :
c. Nilai rata-rata(mean) sampel sebesar 0.083748 dan standar error(SE) sebesar 0.0063.
Sementara selang kepercayaan rata-rata sampel berada diantara interval 0.07141114
sampai 0.09608429.
d. Nilai dugaan total rataan sampel sebesar 0.075023 dan standar error(SE) sebesar 0.0058.
Sementara selang kepercayaan dugaan total sampel berada diantara interval 0.06364233
sampai 0.